“信息过载”问题是互联网及互联网在线服务应用快速发展过程中不可避免的问题,而这又使得用户快速、有效收集和获取满足自身需要的信息变得越来越困难。个性化推荐系统作为解决这一问题的一种有效手段,通过用户或者商品的信息分析用户的兴趣偏好以及商品之间的联系,可以实现用户的个性化推荐服务。作为比较成熟且应用比较广泛的推荐技术之一,协同过滤推荐技术具有数据依赖性低、推荐效果比较准确以及计算简单易容易实现等优点。但是,一方面它只考虑单一的用户兴趣偏好因素,另一方面又面临着数据稀疏性、冷启动、可扩展性、安全性等瓶颈,这极大地影响了协同过滤推荐的推荐效果。在线社交网络的发展则为推荐系统研究带来了新的机遇。信任作为在线社交网络的核心和关键,越来越多地被引入到推荐系统的构建之中。相比于传统的个性化推荐,基于信任的推荐由于综合考虑了用户的兴趣偏好和社交关系信息二维因素,在推荐的多方面性能上,如准确性、可信性、安全性等指标上都有更好的效果,也进一步缓解了协同过滤推荐技术等传统的推荐技术都面临的数据稀疏性问题、冷启动问题和鲁棒性问题,等等。本文研究围绕如何综合利用在线社交网络的信任和协同过滤推荐技术,以改进并提高推荐系统的性能。首先,本文整理和分析了国内外关于在线社交网络信任和协同过滤推荐的文献研究和相关理论,系统分析了基于协同过滤的推荐、基于信任的推荐以及二者之间的关系。其次,提出一种信任传播模型,实现信任网络的扩展,解决信任评分的稀疏性问题,并利用共同信任用户对信任度进行修正,以更好地反映用户之间的个性化信任特点。再次,提出一种基于信任的协同过滤推荐模型(以Trust Walker推荐模型为基础),通过充分利用信任关系和兴趣偏好二维因素,解决传统个性化推荐系统面临的稀疏性问题、冷启动问题和攻击性问题,提高推荐的准确率、覆盖率和可信性,并基于一定规则的数据筛选和预处理,选取Epinion.com的部分数据集对本文所提出的模型进行实验分析。实验表明,通过利用信任信息及信任传播模型,可以更好地发现更多的潜在信任用户,提高推荐的覆盖率,缓解数据的稀疏性等问题,并且相比于Trust Walker推荐模型,本文的改进模型在MAE指标和PS指标上有更好的效果,即推荐的准确性和鲁棒性较好。然后,设计一个简单的基于移动终端的电影推荐系统,为基于信任的协同过滤推荐的实际应用构建一个基本框架。最后,总结了本文的研究内容,分析了模型研究的不足之处,并对下一步的研究重点展开讨论。